一种数字模型生成数据的分类方法与流程

1.本发明涉及数据处理技术领域，具体涉及一种数字模型生成数据的分类方法。


背景技术：

2.数字模型一般指数字沙盘，数字沙盘主要分为两种：一是在原来传统的沙盘模型上增加多媒体投影机系统；二是纯三维数字沙盘，一般有互动功能，投影面一般为特殊处理的白色或灰色幕面，设有实体沙盘模型，通过声、光、电、图像、三维动画以及计算机程控技术与实体模型相融合。
3.现有的数字模型数据分类方案在实施过程中，大多数还是停留在单纯的数据采集和展示阶段，没有从数字模型自身方面进行预处理并实施区域分类，也没有对数字模型中不同区域的浏览情况进行数据统计和挖掘分类，使得数字模型数据分类不全面，导致数字模型数据分类的整体效果不佳。


技术实现要素：

4.本发明的目的在于提供一种数字模型生成数据的分类方法，用于解决现有方案中数字模型数据分类的整体效果不佳的技术问题。
5.本发明的目的可以通过以下技术方案实现：一种数字模型生成数据的分类方法，包括：s1：对数字模型的不同区域进行划分以及级别分类，得到区域划分数据；s2：获取数字模型不同子区域展示过程中被浏览的浏览信息，浏览信息包含不同人员的浏览时长和浏览动作；对浏览信息进行数据的有效性审核并筛选分类，得到包含第一处理数据和第二处理数据的浏览处理信息；s3：将浏览处理信息中的各项数据进行联立整合，并根据整合结果来对子区域对应的浏览情况实施浏览分类，并自适应的动态调整展示各个子区域数据分类的结果。
6.优选地，对数字模型的不同区域进行划分以及级别分类，包括：获取数字模型的长度和宽度，并根据预设的均等划分比例对数字模型进行均等划分，得到若干个子区域；根据预设的排列顺序依次对若干子区域进行编号并标记；获取不同子区域所有展示物的类型以及对应的展示物权重并标记；统计不同展示物类型对应的总数并标记；提取展示物权重和不同展示物类型对应的总数的数值并联立获取不同子区域对应的区域展示度。
7.优选地，根据区域展示度对所有子区域实施级别分类，依次将各个子区域的区域系数与预构建的若干区影范围进行匹配获取对应的区域级别；其中，不同的区域范围预先关联一个对应的区域级别，区域级别包含一级区域、二级区域和三级区域，对应的区域级别的等级依次递增；
根据区域展示度数值的大小依次将若干个子区域进行区域级别排列组合，得到区域级别组合表；区域展示度以及对应的区域级别和区域级别组合表构成区域划分数据。
8.优选地，对浏览信息进行数据的有效性审核并筛选分类，包括：根据浏览信息依次对不同子区域展示过程中人员的浏览进行不同类型的分类；获取浏览信息中的浏览时长，将浏览时长的数值与预设的浏览时长范围进行匹配分类；若浏览时长的数值小于浏览时长范围的最小值，则将对应的人员标记为一类人员，统计所有一类人员浏览的总时长并标记为第一总时长；若浏览时长的数值不小于浏览时长范围的最小值且不大于浏览时长范围的最大值，则将对应的人员标记为二类人员，统计所有二类人员浏览的总时长并标记为第二总时长；若浏览时长的数值大于浏览时长范围的最大值，则将对应的人员标记为三类人员，统计所有三类人员浏览的总时长并标记为第三总时长；一类人员、二类人员、三类人员以及对应的第一总时长、第二总时长、第三总时长构成第一处理数据。
9.优选地，获取浏览信息中不同的浏览动作，统计不同浏览动作对应的动作总次数，将动作总次数与对应的标准动作总次数进行筛选分类；若动作总次数小于对应的标准动作总次数，则判定对应的浏览动作无效并将其动作总次数对应的动作标签标记为无效标签，以及将无效标签关联的数值设置为1；若动作总次数不小于对应的标准动作次数，则判定对应的浏览动作有效并将其动作总次数对应的动作标签标记为有效标签，以及将有效标签关联动作总次数的数值；获取浏览动作对应的动作权重；浏览动作对应的动作标签以及动作权重构成第二处理数据。
10.优选地，获取浏览处理信息中的第一处理数据和第二处理数据；获取第一处理数据中二类人员和三类人员对应的第二总时长和第三总时长并分别标记；获取第二处理数据中浏览动作对应的动作权重，并将二类人员和三类人员浏览动作对应的动作权重分别标记，以及将二类人员和三类人员对应的动作标签关联的数值分别标记；提取标记的各项数据的数值并联立整合获取不同子区域对应的浏览影响度；根据浏览影响度对所有子区域对应的浏览情况实施浏览分类。
11.优选地，依次将各个子区域的浏览影响度与预设的浏览影响范围进行匹配获取对应的浏览级别；若浏览影响度小于浏览影响范围的最小值，则将对应子区域的浏览情况划分为一类浏览；若浏览影响度不小于浏览影响范围的最小值且不大于浏览影响范围的最大值，则将对应子区域的浏览情况划分为二类浏览；若浏览影响度大于浏览影响范围的最大值，则将对应子区域的浏览情况划分为三类浏览；一类浏览、二类浏览、三类浏览对应的浏览级别依次递增；根据浏览影响度数值的大小依次将若干个子区域进行浏览级别排列组合，得到浏览级别组合表。
12.优选地，根据区域级别组合表和浏览级别组合表自适应的动态展示数字模型中不同子区域不同方面的数据分类情况。
13.相比于现有方案，本发明实现的有益效果：本发明公开的一方面，通过对数字模型进行均等的模块化处理，以便可以对不同的区域进行高效的监测和分类，可以有效提高数字模型监测分析的整体效果，通过将子区域中不同展示物的各项数据进行整合，可以对子区域对应的区域级别进行整体评估和分类，有效提高了数字模型不同区域监测分类的整体效果；通过对采集的浏览信息中不同类型的数据进行匹配分类，来实现采集数据的预处理，通过对数据实施预处理，可以有效提高后续数据计算分析以及分类的效率和准确性。
14.本发明公开的另一方面，通过对数字模型自身方面的数据以及展示过程中生成的数据进行独立的数据处理以及计算分析和分类，可以从不同方面对数字模型的展示实施监测分析，以便可以为数字模型的监管提供不同维度的数据支持，满足不同场景下数字模型的管理需求，可以有效提高数字模型数据分类的整体效果。
附图说明
15.下面结合附图对本发明作进一步的说明。
16.图1为本发明一种数字模型生成数据的分类方法的流程框图。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
18.如图1所示，本发明为一种数字模型生成数据的分类方法，包括：s1：对数字模型的不同区域进行划分以及级别分类，得到区域划分数据；包括：获取数字模型的长度和宽度，并根据预设的均等划分比例对数字模型进行均等划分，得到若干个子区域；长度和宽度的单位均为米；预设的均等划分比例根据实际场景进行自定义；本发明实施例中的数字模型可以为楼盘沙盘，可以将数字模型均等划分成四等份，当人员在子区域对应的区域边缘处以及上方浏览时，或者停留在预先划定子区域对应的浏览位置区域时，则对人员的浏览时长进行统计，可以通过摄像头以及计时器、红外传感器等设备进行计时；根据预设的排列顺序依次对若干子区域进行编号并标记；排列顺序可以根据需要进行自定义；获取不同子区域所有展示物的类型，设定不同的展示物类型对应不同的展示物权重，将不同展示物的类型依次与所有的展示物类型进行匹配获取对应的展示物权重并标记为zq；统计不同展示物类型对应的总数并标记为lz；其中，展示物的类型包括但不限于居住建筑、商业建筑、公园、道路、河流等等，不同类型的展示物预先设置一个对应的展示物权重来对其进行数字化表示，可以实现不同类
型展示物的差异化表示，同时还可以为后续不同子区域的展示分析提供可靠的数据支持；提取展示物权重zq和不同展示物类型对应的总数lz的数值并联立，通过计算获取不同子区域对应的区域展示度qz；区域展示度qz的计算公式为：式中，lz0为所有类型展示物的总数；默认所有类型展示物的总数至少为一个；需要说明的是，区域展示度是用于将不同子区域展示物的各项数据进行整合来对对应子区域的区域级别进行整体评估以及分类的数值；区域展示度越大，对应子区域的分类的区域级别越高；根据区域展示度对所有子区域实施级别分类，依次将各个子区域的区域系数与预构建的若干区影范围进行匹配获取对应的区域级别；其中，不同的区域范围预先关联一个对应的区域级别，区域级别包含一级区域、二级区域和三级区域，对应的区域级别的等级依次递增；区域级别可以表示子区域展示物的丰富情况；一级区域、二级区域和三级区域对应的区域范围可以分别为（0,q1]、（q1,q2]和（q2,+∞)，q1、q2均为大于零的实数，且q1＜q2，具体的数值可以进行自定义；根据区域展示度数值的大小依次将若干个子区域进行区域级别排列组合，得到区域级别组合表；区域展示度以及对应的区域级别和区域级别组合表构成区域划分数据；本发明实施例中，通过对数字模型进行均等的模块化处理，以便可以对不同的区域进行高效的监测和分类，可以有效提高数字模型监测分析的整体效果，通过将子区域中不同展示物的各项数据进行整合，可以对子区域对应的区域级别进行整体评估和分类，有效提高了数字模型不同区域监测分类的整体效果；s2：获取数字模型不同子区域展示过程中被浏览的浏览信息，浏览信息包含不同人员的浏览时长和浏览动作；对浏览信息进行数据的有效性审核并筛选分类，得到浏览处理信息；包括：根据浏览信息依次对不同子区域展示过程中人员的浏览进行不同类型的分类；获取浏览信息中的浏览时长，将浏览时长的数值与预设的浏览时长范围进行匹配分类；浏览时长的单位为秒；下述的不同总时长的单位均为秒；其中，预设的浏览时长范围可以基于现有的子区域展示浏览的大数据来进行设定，也可以基于子区域对应的区域级别凭借管理人员的经验进行自定义；若浏览时长的数值小于浏览时长范围的最小值，则将对应的人员标记为一类人员，统计所有一类人员浏览的总时长并标记为第一总时长；一类人员可以通俗的理解为对子区域展示物低度感兴趣的人员；若浏览时长的数值不小于浏览时长范围的最小值且不大于浏览时长范围的最大值，则将对应的人员标记为二类人员，统计所有二类人员浏览的总时长并标记为第二总时长；二类人员可以通俗的理解为对子区域展示物中度感兴趣的人员；若浏览时长的数值大于浏览时长范围的最大值，则将对应的人员标记为三类人
员，统计所有三类人员浏览的总时长并标记为第三总时长；三类人员可以通俗的理解为对子区域展示物高度感兴趣的人员；一类人员、二类人员、三类人员以及对应的第一总时长、第二总时长、第三总时长构成第一处理数据；需要说明的是，一类人员、二类人员和三类人员对应的感兴趣程度依次递增，通过对浏览信息中的浏览时长的长短来对不同子区域人员的关注情况进行匹配分类，可以获取到不同子区域展示区的吸引情况；获取浏览信息中不同的浏览动作，统计不同浏览动作对应的动作总次数，将动作总次数与对应的标准动作总次数进行筛选分类；其中，标准动作总次数根据实际场景进行自定义；若动作总次数小于对应的标准动作总次数，则判定对应的浏览动作无效并将其动作总次数对应的动作标签标记为无效标签，以及将无效标签关联的数值设置为1；若动作总次数不小于对应的标准动作次数，则判定对应的浏览动作有效并将其动作总次数对应的动作标签标记为有效标签，以及将有效标签关联动作总次数的数值；其中，通过对不同浏览动作的总次数进行匹配和分类，可以进一步对人员的感兴趣情况进行细化分类，可以为后续不同子区域的浏览情况的整体分类提供可靠的数据支持；设定不同的浏览动作分别对应一个不同的动作权重，将获取的浏览动作与所有的浏览动作进行匹配获取对应的动作权重；浏览动作包括但不限于缩放和点击查询；浏览动作对应的动作标签以及动作权重构成第二处理数据；第一处理数据和第二处理数据构成浏览处理信息；本发明实施例中，通过对采集的浏览信息中不同类型的数据进行匹配分类，来实现采集数据的预处理，通过对数据实施预处理，可以有效提高后续数据计算分析以及分类的效率和准确性；s3：将浏览处理信息中的各项数据进行联立整合，并根据整合结果来对子区域对应的浏览情况实施浏览分类，并自适应的动态调整展示各个子区域数据分类的结果；包括：获取浏览处理信息中的第一处理数据和第二处理数据；获取第一处理数据中二类人员和三类人员对应的第二总时长和第三总时长并分别标记为ys和es；获取第二处理数据中浏览动作对应的动作权重，并将二类人员和三类人员浏览动作对应的动作权重分别并标记为dqe和dqs，以及将二类人员和三类人员对应的动作标签关联的数值分别标记为dce和dcs；提取标记的各项数据的数值并联立整合，通过计算获取不同子区域对应的浏览影响度ly；浏览影响度ly的计算公式为：式中，y1、y2、y3、y4为预设的不同比例系数，且1＜y2＜y4＜y1＜y3，y1可以取值为3.573，y2可以取值为1.326，y3可以取值为4.684，y4可以取值为2.351；er为子区域二类人
员的总数，sr为三类人员的总数，lr为子区域中所有浏览人员的总数；需要说明的是，浏览影响度是用于将子区域中不同类型人员的不同方面的浏览数据进行整合来对子区域整体的浏览情况进行评估分类的数值；浏览影响度越大，对应子区域展示物的浏览影响越大；通过将人员浏览的浏览时长与动作权重和动作标签关联的数值进行联立整合，来实现对个体的浏览情况进行整合，再将子区域内二类人员和三类人员所有的浏览情况进行整合，最后将其与子区域内所有浏览人员的总数进行联立获取浏览影响度，可以从个体人员浏览方面对子区域整体的浏览情况进行评估分类；根据浏览影响度对所有子区域对应的浏览情况实施浏览分类，依次将各个子区域的浏览影响度与预设的浏览影响范围进行匹配获取对应的浏览级别；其中，浏览影响范围的预设方式与浏览时长范围的预设方式相同；若浏览影响度小于浏览影响范围的最小值，则将对应子区域的浏览情况划分为一类浏览；若浏览影响度不小于浏览影响范围的最小值且不大于浏览影响范围的最大值，则将对应子区域的浏览情况划分为二类浏览；若浏览影响度大于浏览影响范围的最大值，则将对应子区域的浏览情况划分为三类浏览；一类浏览、二类浏览、三类浏览对应的浏览级别依次递增；根据浏览影响度数值的大小依次将若干个子区域进行浏览级别排列组合，得到浏览级别组合表；根据区域级别组合表和浏览级别组合表自适应的动态展示数字模型中不同子区域不同方面的数据分类情况。
19.本发明实施例中，通过对数字模型自身方面的数据以及展示过程中生成的数据进行独立的数据处理以及计算分析和分类，可以从不同方面对数字模型的展示实施监测分析，以便可以为数字模型的监管提供不同维度的数据支持，满足不同场景下数字模型的管理需求，可以有效提高数字模型数据分类的整体效果；此外，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的比例系数以及分析过程中各个预设的阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得；比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于比例系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的处理系数；只要不影响参数与量化后数值的比例关系即可。
20.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的基本特征的情况下，能够以其他的具体形式实现本发明。
21.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。